长按识别二维码阅读全文
基于深度学习的轻量化炮孔智能检测方法
在隧道(巷道)钻爆法施工过程中，智能装药可以取代人工作业，减少装药作业中危险事故的发生。然而，隧道中光线条件差、炮孔目标小和掌子面裂隙等因素会造成智能装药时炮孔的错检和漏检，同时车载计算机有限的算力也是制约炮孔识别大模型使用的难点。MCIW-2深度学习模型，可以解决在隧道掘进作业环境中的高精度炮孔检测和实时性部署问题。模型根据采集到的炮孔图像尺寸特征采取自适应锚框聚类算法优化检测框的长宽比尺寸参数；采用了具有动态非单调聚焦机制的损失函数WIoU(Wise Intersection over Union)，通过优化边框回归的损失应对低质量炮孔图片的挑战实现了高精度检测；采用了MobileNetv3-Small网络与CBAM(Convolutional Block Attention Module)注意力机制构建了主干网络结构，减少了模型参数保证了检测准确率，满足车载设备的轻量化部署需求。
经实验证明，MCIW-2模型在炮孔识别精确率方面达到了96.18%，检测速度达到了59 fps。与基准YOLO(You Only Look Once)系列目标检测模型文件最小的模型相比，所构建的轻量化炮孔智能检测模型减小了75.86%，模型文件仅为2.80 Mb，优于YOLO系列的基准目标检测模型。使用MCIW-2深度学习模型对工作面现场视频进行测试，实现了快速、精确地检测炮孔，测试结果表明，该模型适用于智能装药工程的轻量化部署需求，具有良好的适应性，在综合性能方面具有显著优势。
图 1 炮孔图片四分示意
图 2 炮孔图片切割操作流程
图 3 轻量化炮孔智能检测模型 MCIW-2 结构
图 4 SPP 模块与 SPPCSP 模块的对比
图 5 CBAM 注意力网络结构
图 6 轻量化炮孔智能检测流程
图 7 使用自适应锚框参数的标注效果
图 8 微小炮孔检测结果对比
图 9 模型 MCIW-2 炮孔检测应用测试效果
岳中文，教授，博士生导师，中国矿业大学（北京）力学与土木工程学院副院长。主持或参与完成国家自然科学基金重点、国家重点研发计划、国家自然科学基金面上项目等10多项纵向科研课题的研究。获国家技术发明二等奖1项，国家科技进步二等奖1项，省部级科技一等奖7项，获授权国家发明专利35件，发表SCI/EI检索学术期刊论文90余篇。
研究方向
矿山建设工程、爆破工程和智能建造等
主要成果
致力于岩石爆破基础理论和应用技术研究，创新发展了岩石爆破实验新方法，揭示了爆炸应力波与裂纹相互作用机理；开发出定向断裂控制爆破技术，研发出准楔形复式掏槽爆破技术，发明了超深孔水耦合定向松动预裂爆破技术；合作研发了巷（隧）道高效智能化掘进新装备；解决了巷（隧）道钻爆法施工中“周边成型差、炮孔利用率低、围岩损伤严重”等关键技术难题，实现了巷（隧）道精细化控制爆破。
来源：
岳中文，金庆雨，潘杉，等. 基于深度学习的轻量化炮孔智能检测方法[J]. 煤炭学报，2024，49(5):2247−2256.
